En CloudNC, acabamos de alcanzar un hito importante: nuestra solución CAM , que acelera y automatiza la creación de estrategias CNC con AI, ahora puede ayudar a los maquinistas a fabricar componentes para máquinas CNC de 3+2 ejes.

Si crear estrategias para mecanizar componentes de 3 ejes ya era bastante complicado, hacer lo mismo con piezas de 3+2 ejes es mucho más difícil, dado que existen múltiples direcciones de aproximación nuevas y diferentes con las que fabricar cada característica de esas piezas. Se trata de una combinatoria explosiva (es decir, la cantidad potencial de soluciones es exponencial), lo que dificulta aún más la precisión de nuestros algoritmos y la exactitud de los resultados.  

Resolver ese rompecabezas tiene un impacto real. Este avance significa que nuestra tecnología ahora puede aplicarse por primera vez a la mayor parte del trabajo de mecanizado del mundo: estimamos que CAM ahora cubre alrededor de dos tercios de la actividad de mecanizado global.

Además, nuestros usuarios nos dicen que, dado que la programación de 3+2 ejes es mucho más compleja, CAM será aún más eficaz a la hora de encontrar oportunidades de eficiencia dentro de ella. Como resultado, ya estamos viendo un aumento del interés por parte de los maquinistas, deseosos de ver si cumple con las expectativas a medida que nos adentramos en esta nueva frontera.

Pero con ese interés añadido y el aumento de las posibles aplicaciones, surge una nueva pregunta que debemos responder: ¿cómo nos aseguramos de que los maquinistas estén convencidos de que CAM puede ayudarles?

Diferencial de mecanizado

En la práctica, CAM funciona así: nuestra AI (casi) todas las formas en que una máquina CNC podría fabricar todos los aspectos de un componente, así como las reglas de mecanizado y la física involucrada.

Para generar el programa para fabricar un nuevo componente, procesa los posibles métodos adecuados y decide qué combinación crearía una estrategia de mecanizado eficiente. Esto podría requerir miles de millones de cálculos, lo que exigiría un código propietario extremadamente complejo para procesarlo en un plazo de tiempo efectivo.

Sin embargo, no es así como un ser humano crearía un programa para fabricar el mismo componente. Un maquinista experto tendría en cuenta un número mucho más limitado de métodos basados en sus años de experiencia, formación e intuición, y se decidiría por el mejor de ellos. Su elección podría verse influida por factores que AI no tendría en cuenta, como qué herramientas del taller son más fiables o incluso más satisfactorias.

Esa divergencia significa que la AI puede proponer soluciones de trabajo eficaces que no son naturalmente intuitivas para un maquinista experto. Por ejemplo, quizá el programa proponga enviar la herramienta a zonas estrechas alrededor de la mordaza de una forma que supere el nivel de comodidad habitual del maquinista, o genere una forma de crear una característica con una herramienta específica que el usuario ni siquiera habría pensado como opción.

Eso crea un problema: si se le presenta a un maquinista algo demasiado poco ortodoxo, no confiará a la AI su carísimo equipo, que se rompe si se utiliza mal. Y, por supuesto, toda esta tecnología es extremadamente nueva, por lo que no existe una confianza intrínseca creada a lo largo de muchos meses en que un algoritmo pueda ayudar a hacer este trabajo.

Al final, CAM quieren programas que tengan sentido para ellos, basados en lo que saben sobre el proceso de mecanizado CNC, pero al ordenador no le importa cómo sea la trayectoria de la herramienta, siempre y cuando crea que cumple su función.

¿Cómo cuadramos el círculo? Creamos confianza abriendo la caja negra al escrutinio.

Explicación de la AI

Cuando CAM presenta una estrategia potencial, las trayectorias de la herramienta no solo son completamente visibles (es decir, el operario puede ver todos los aspectos de lo que se propone), sino que también son totalmente editables. Por lo tanto, si hay algo que no les gusta o no entienden, pueden cambiarlo.

Es un gran primer paso para generar la confianza necesaria para poner en práctica la estrategia... pero para las personas que intervienen en el proceso, no es necesariamente suficiente. No quieren tener que verificar cada aspecto de la trayectoria de la herramienta para comprobar que están de acuerdo con ella; de hecho, hacerlo va en contra del objetivo de CAM , que es ahorrarles tiempo y hacer que sus operaciones sean más eficientes.

Así que tenemos que asegurarnos de que las estrategias que creamos tienen suficiente sentido para los programadores como para que no tengan que volver a comprobar el trabajo, y para asegurarnos de ello, también hemos introducido la posibilidad de especificar los enfoques geométricos a evitar. Esto significa que si el usuario prefiere evitar ciertos tipos de trayectorias y estrategias, aunque sean perfectamente válidas desde una perspectiva creativa, la AI las evitará.

Esto significa que obtendremos menos resultados que no sean intuitivos para un CAM , lo que ayudará a generar confianza en que nuestras soluciones realmente pueden generar trayectorias de herramienta viables, precisas y exactas que permitan construir componentes de 3+2 ejes según las estrictas especificaciones que exigen los fabricantes y los clientes. Y en nuestra próxima actualización, comenzaremos a filtrar automáticamente los enfoques más extravagantes y menos intuitivos, lo que reducirá aún más la necesidad de que los usuarios digan «yo no lo haría así».

El siguiente paso para ganarnos su confianza: tener en cuenta también las preferencias y especificaciones de los usuarios en la próxima generación de CAM , donde nuestra solución no solo propone una estrategia eficaz de trayectoria de herramientas, sino que también es capaz de proporcionar avances y velocidades eficientes que se adaptan a la biblioteca de herramientas existente del operario, sus preferencias y las condiciones de la fábrica.  

En última instancia, nuestro objetivo en CloudNC es llegar a un punto en el que se confíe en nuestra tecnología para proporcionar la solución para la fabricación sin luz. Sin embargo, para alcanzar ese objetivo final, nuestra tecnología tiene que ganarse la confianza de las personas que participan en ese proceso, y eso es lo que estamos intentando conseguir.

Actualmente buscamos beta testers para que prueben y comenten nuestro trabajo sobre parámetros de corte y avances y velocidades AI. Si desea participar, envíe un correo electrónico a camassist@cloudnc.com y el equipo se pondrá en contacto con usted.